基于切比雪夫的ICP点云全局最优配准方法及装置制造方法及图纸

本发明专利技术公开了基于切比雪夫的ICP点云全局最优配准方法及装置，通过构建6维空间变换可行域、分支定界搜索、切比雪夫代理模型拟合等求解全局最优的空间变换矩阵，替代了分支定界架构中平移向量求解的内循环，实现两片随机位置点云的精确配准。该方法具有良好的抗噪、鲁棒性能，能避免ICP算法受限于点云初始位置而收敛于局部最优解，并且减少了搜索最近邻匹配点的次数，加快了其收敛速度，进而提高了ICP全局最优点云配准的效率。本发明专利技术应用于计算及视觉技术领域。

【技术实现步骤摘要】
基于切比雪夫的ICP点云全局最优配准方法及装置
本公开涉及计算机视觉
，具体涉及基于切比雪夫的ICP点云全局最优配准方法及装置。
技术介绍
点云数据配准是计算机图形学最重要的研究内容之一，也是对象识别、姿态估计、人脸识别、表面匹配等应用中的关键技术。三维重建作为当前研究热点，已广泛应用于生活娱乐中的各个领域，包括制造业、医学、考古学等。而点云数据配准则是三维重建过程中必不可少的环节。在进行点云配准时，现有的方法大多是采用常规的ICP算法进行点云配准，但是当面临点云初始位置相差较大的配准任务时，可能会出现ICP算法受限于点云点云初始位置而收敛于局部配准误差最优解的问题，这样一来就会导致点云配准不够精确；另外常规的ICP算法进行六维空间(包括三维旋转和三维平移)搜索的复杂度较高，从而在构建双循环分支定界架构时存在的耗时长、收敛慢等问题。
技术实现思路
本公开旨在至少解决上述问题之一，提供基于切比雪夫的ICP点云全局最优配准方法及装置。为了实现上述目的，根据本公开的一方面，提供基于切比雪夫的ICP点云全局最优配准方法，所述基于切比雪夫的ICP点云全局最优配准方法包括以下步骤：步骤101、获取点云P以及源点云Q；步骤102、构建所述点云P以及源点云Q的关于旋转变量和平移变量的6维可行域空间，所述6维可行域搜索空间包括3维旋转空间以及3维平移空间；步骤103、构建关于所述旋转变量的分支定界框架，将所述旋转变量的可行域空间进行8等分处理得到8个子可行域空间，并分别求解8个子可行域空间的罗德里格旋转矩阵得到8个子可行域空间对应的罗德里格旋转矩阵；步骤104、对8个子可行域空间分别构建关于所述平移变量的切比雪夫代理模型，并计算8个子可行域空间分别对应的最优平移向量；步骤105、根据8个子可行域空间分别对应的最优平移向量，分别计算对应的8个子可行域空间的边界函数；步骤106、结合传统ICP算法求解8个子可行域空间的分别对应的配准误差最优解，分别判断8个子可行域空间的分别对应的配准误差最优解是否大于所述配准误差最优解对应的子可行域空间的边界函数的下边界值，若是则将对应的配准误差最优解对应的子可行域空间摒弃；步骤107、找出摒弃后剩余的最小配准误差最优解，获取所述最小配准误差最优解对应的子可行域空间的边界函数的下边界值，计算所述最小配准误差最优解与所述下边界值的差，判断所述最小配准误差最优解与所述下边界值的差是否小于第一阈值，若是则将所述最小配准误差最优解作为全局配准误差最优解，若否则将所述最小配准误差最优解对应的子可行域空间的旋转变量作为新的旋转变量，重复执行步骤103至步骤107。进一步，上述步骤102中构建6维可行域空间的方式具体包括以下：将所述目标点云P以及向其配准的点云Q同时缩放至中点为绝对坐标原点的边长为2的包围盒，对所述包围盒进行参数化求解得到其旋转变量的可行域区间Cr∈[-π，π]3以及平移变量的可行域区间Ct∈[-1，1]3，令Ccut＝Cr，Eglobal＝∞，其中Ccut表示中间变量，Eglobal表示最小配准误差最优解。进一步，所述步骤103具体包括：构建关于所述旋转变量的BnB全局优化框架，将所述旋转变量的可行域区间即Ccut均匀划分为8个子可行域空间Cri，并分别求出Cri对应的区间重点的参数值Ri∈Cri，其中i＝1，2，...，8，根据所述参数值Ri求解得出对应的罗德里格旋转矩阵，根据8个子可行域空间Cri对点云P进行旋转变换得到8个不同位姿的点云Pi，其中i＝1，2，...，8。进一步，所述步骤104具体包括：对所述8个不同位姿的点云Pi分别构建关于平移参数t∈Ct和点云配准误差Et的切比雪夫代理模型f(t)＝C(t)βiT，并对可行域区间Ct进行细分网格得到均匀分布的平移参数ti∈Ct，分别计算点云Pi关于ti的最小配准误差Eimin＝min(C(ti)βiT)，以及最小配准误差对应的平移参数Tibest＝argmin(C(ti)βiT)。进一步，上述步骤105至步骤106具体包括以下：根据Tibest分别对8个不同位姿的点云Pi进行平移变换得到8个新的点云Pj，j＝1，2，...，8，结合传统ICP算法对Pj进行进一步校准，得到对应的配准误差Ej，j＝1，2，...，8，以及对应的配准点云PICP，获取Ej中的最小值E*＝min(Ej)，判断E*是否小于Eglobal，如果是则将Eglobal更新为E*，即令Eglobal＝E*；分别计算8个子可行域空间Cri的边界函数的下边界值LBi，i＝1，2，...，8，如果LBi＞Eglobal，则将LBi对应的子可行域空间Cri摒弃，最后将摒弃剩余的子可行域空间Cri对应的下边界值LBi存储至数组Call中。进一步，上述步骤107具体包括以下：找寻数组Call中最小的下边界值计算判断是否小于第一阈值ε，若是则完成配准，将对应的子可行域空间Cri对应的点云作为配准点云Pbest，若否则将子可行域空间Cri对应的点云定义为新的点云P1返回步骤102中重复执行所述基于切比雪夫的ICP点云全局最优配准方法直至得到配准点云Pbest。本专利技术还提出基于切比雪夫的ICP点云全局最优配准装置，所述装置应用了所述基于切比雪夫的ICP点云全局最优配准方法，包括：点云获取模块，用于获取点云P以及源点云Q；第一计算模块，用于构建所述点云P以及源点云Q的关于旋转变量和平移变量的6维可行域空间，所述6维可行域搜索空间包括3维旋转空间以及3维平移空间；第二计算模块，用于构建关于所述旋转变量的分支定界框架，将所述旋转变量的可行域空间进行8等分处理得到8个子可行域空间，并分别求解8个子可行域空间的罗德里格旋转矩阵得到8个子可行域空间对应的罗德里格旋转矩阵；第三计算模块，用于对8个子可行域空间分别构建关于所述平移变量的切比雪夫代理模型，并计算8个子可行域空间分别对应的最优平移向量；第四计算模块，用于根据8个子可行域空间分别对应的最优平移向量，分别计算对应的8个子可行域空间的边界函数；第一计算判断模块，用于结合传统ICP算法求解8个子可行域空间的分别对应的配准误差最优解，分别判断8个子可行域空间的分别对应的配准误差最优解是否大于所述配准误差最优解对应的子可行域空间的边界函数的下边界值，若是则将对应的配准误差最优解对应的子可行域空间摒弃；第二计算判断模块，用于找出摒弃后剩余的最小配准误差最优解，获取所述最小配准误差最优解对应的子可行域空间的边界函数的下边界值，计算所述最小配准误差最优解与所述下边界值的差，判断所述最小配准误差最优解与所述下边界值的差是否小于第一阈值，若是则将所述最小配准误差最优解作为全局配准误差最优解，若否则将所述最小配准误差最优解对应的子可行域空间的旋转变量作为新的旋转变量，重复执行步骤103至步骤107。本专利技术还提出一种计算机可读存储的介质，所述计算机可读本文档来自技高网...

【技术保护点】
1.基于切比雪夫的ICP点云全局最优配准方法，其特征在于，所述基于切比雪夫的ICP点云全局最优配准方法包括以下步骤：/n步骤101、获取点云P以及源点云Q；/n步骤102、构建所述点云P以及源点云Q的关于旋转变量和平移变量的6维可行域空间，所述6维可行域搜索空间包括3维旋转空间以及3维平移空间；/n步骤103、构建关于所述旋转变量的分支定界框架，将所述旋转变量的可行域空间进行8等分处理得到8个子可行域空间，并分别求解8个子可行域空间的罗德里格旋转矩阵得到8个子可行域空间对应的罗德里格旋转矩阵；/n步骤104、对8个子可行域空间分别构建关于所述平移变量的切比雪夫代理模型，并计算8个子可行域空间分别对应的最优平移向量；/n步骤105、根据8个子可行域空间分别对应的最优平移向量，分别计算对应的8个子可行域空间的边界函数；/n步骤106、结合传统ICP算法求解8个子可行域空间的分别对应的配准误差最优解，分别判断8个子可行域空间的分别对应的配准误差最优解是否大于所述配准误差最优解对应的子可行域空间的边界函数的下边界值，若是则将对应的配准误差最优解对应的子可行域空间摒弃；/n步骤107、找出摒弃后剩余的最小配准误差最优解，获取所述最小配准误差最优解对应的子可行域空间的边界函数的下边界值，计算所述最小配准误差最优解与所述下边界值的差，判断所述最小配准误差最优解与所述下边界值的差是否小于第一阈值，若是则将所述最小配准误差最优解作为全局配准误差最优解，若否则将所述最小配准误差最优解对应的子可行域空间的旋转变量作为新的旋转变量，重复执行步骤103至步骤107。/n...

【技术特征摘要】
1.基于切比雪夫的ICP点云全局最优配准方法，其特征在于，所述基于切比雪夫的ICP点云全局最优配准方法包括以下步骤：
步骤101、获取点云P以及源点云Q；
步骤102、构建所述点云P以及源点云Q的关于旋转变量和平移变量的6维可行域空间，所述6维可行域搜索空间包括3维旋转空间以及3维平移空间；
步骤103、构建关于所述旋转变量的分支定界框架，将所述旋转变量的可行域空间进行8等分处理得到8个子可行域空间，并分别求解8个子可行域空间的罗德里格旋转矩阵得到8个子可行域空间对应的罗德里格旋转矩阵；
步骤104、对8个子可行域空间分别构建关于所述平移变量的切比雪夫代理模型，并计算8个子可行域空间分别对应的最优平移向量；
步骤105、根据8个子可行域空间分别对应的最优平移向量，分别计算对应的8个子可行域空间的边界函数；
步骤106、结合传统ICP算法求解8个子可行域空间的分别对应的配准误差最优解，分别判断8个子可行域空间的分别对应的配准误差最优解是否大于所述配准误差最优解对应的子可行域空间的边界函数的下边界值，若是则将对应的配准误差最优解对应的子可行域空间摒弃；
步骤107、找出摒弃后剩余的最小配准误差最优解，获取所述最小配准误差最优解对应的子可行域空间的边界函数的下边界值，计算所述最小配准误差最优解与所述下边界值的差，判断所述最小配准误差最优解与所述下边界值的差是否小于第一阈值，若是则将所述最小配准误差最优解作为全局配准误差最优解，若否则将所述最小配准误差最优解对应的子可行域空间的旋转变量作为新的旋转变量，重复执行步骤103至步骤107。


2.根据权利要求1所述的基于切比雪夫的ICP点云全局最优配准方法，其特征在于，上述步骤102中构建6维可行域空间的方式具体包括以下：
将所述目标点云P以及向其配准的点云Q同时缩放至中点为绝对坐标原点的边长为2的包围盒，对所述包围盒进行参数化求解得到其旋转变量的可行域区间Cr∈[-π，π]3以及平移变量的可行域区间Ct∈[-1，1]3，令Ccut＝Cr，Eglobal＝∞，其中Ccut表示中间变量，Eglobal表示最小配准误差最优解。


3.根据权利要求2所述的基于切比雪夫的ICP点云全局最优配准方法，其特征在于，所述步骤103具体包括：
构建关于所述旋转变量的BnB全局优化框架，将所述旋转变量的可行域区间即Ccut均匀划分为8个子可行域空间Cri，并分别求出Cri对应的区间重点的参数值Ri∈Cri，其中i＝1，2，...，8，根据所述参数值Ri求解得出对应的罗德里格旋转矩阵，根据8个子可行域空间Cri对点云P进行旋转变换得到8个不同位姿的点云Pi，其中i＝1，2，...，8。


4.根据权利要求3所述的基于切比雪夫的ICP点云全局最优配准方法，其特征在于，所述步骤104具体包括：
对所述8个不同位姿的点云Pi分别构建关于平移参数t∈Ct和点云配准误差Et的切比雪夫代理模型f(t)＝C(t)βiT，并对可行域区间Ct进行细分网格得到均匀分布的平移参数ti∈Ct，分别计算点云Pi关于ti的最小配准误差Eimin＝min(C(ti)βiT)，以及最小配准误差对应的平移参数Tibest＝argmin(C(ti)βiT)。

【专利技术属性】
技术研发人员：刘跃生，陈新度，吴磊，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：广东;44